Systematic evidence mapping shows artificial intelligence dependence claims outnumber corresponding assessments in health professions education
यह व्यवस्थित साक्ष्य मानचित्रण प्रकट करता है कि स्वास्थ्य व्यवसायों की शिक्षा में, कृत्रिम बुद्धिमत्ता (AI) पर निर्भरता के संबंध में किए गए दावे, ऐसी संगत मूल्यांकनों की तुलना में काफी अधिक हैं जो ऐसी निर्भरता को सत्यापित करने में सक्षम हैं, जिससे AI पर निर्भरता की आवृत्ति, कारण प्रभाव और रोगी संबंधी परिणामों का निर्धारण अपुष्ट रह जाता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
उन कक्षाओं और प्रशिक्षण केंद्रों में जहाँ भविष्य के डॉक्टर, नर्स और फार्मासिस्ट अपना कौशल सीखते हैं, एक नया उपकरण आया है जो शिक्षा को बदलने का वादा करता है। यह उपकरण कृत्रिम बुद्धिमत्ता (AI) है, एक ऐसी तकनीक जो विशाल मात्रा में जानकारी प्राप्त करने, केस-आधारित अभ्यास प्रदान करने और जटिल निर्णयों पर तत्काल प्रतिक्रिया देने में सक्षम है। शिक्षार्थियों के लिए, यह सहायता कठिन कार्यों को आसान और तेज़ बना सकती है। हालाँकि, एक मौलिक प्रश्न उभर कर आया है जो केवल सुविधा से कहीं अधिक गहरा है: यदि कोई छात्र किसी समस्या को हल करने के लिए इस डिजिटल सहायक पर निर्भर होता है, तो क्या वे वास्तव में इसे स्वयं हल करना सीखते हैं? चिंता यह नहीं है कि उपकरण विफल हो जाता है, बल्कि यह है कि शिक्षार्थी इस सहायता का इतना अभ्यस्त हो सकता है कि उसकी अपनी स्वतंत्र क्षमता कम हो जाए। यही "निर्भरता" के प्रश्न का मूल है। यह पूछता है कि क्या छात्र द्वारा AI का उपयोग करते समय प्रदर्शित किए जाने वाले कौशल और तर्क वास्तव में उसके अपने हैं, या वे केवल एक ऐसी साझेदारी का परिणाम हैं जो मशीन बंद होते ही ढह जाती है। इस अंतर को समझना रोगी सुरक्षा के लिए महत्वपूर्ण है, क्योंकि एक चिकित्सा पेशेवर को जानकारी को सत्यापित करने और ठोस निर्णय लेने में सक्षम होना चाहिए, भले ही तकनीक उपलब्ध न हो या, और भी बदतर स्थिति में, जब वह गलत सलाह दे रही हो।
इसकी जांच करने के लिए, सिचुआन विश्वविद्यालय के शोधकर्ताओं की एक टीम ने मौजूदा वैज्ञानिक साहित्य के माध्यम से एक व्यवस्थित खोज की ताकि यह देखा जा सके कि इस मुद्दे के संबंध में वास्तव में क्या साक्ष्य मौजूद हैं। उन्होंने केवल यह नहीं पूछा कि क्या AI छात्रों को सीखने में मदद करता है; उन्होंने विशेष रूप से उन अध्ययनों की तलाश की जिन्होंने दावा किया कि AI निर्भरता पैदा कर सकता है और फिर यह जांचा कि क्या उन अध्ययनों ने वास्तव में उस निर्भरता को मापा था। शोधकर्ताओं ने छह विशिष्ट तरीकों पर ध्यान केंद्रित किया कि निर्भरता कैसे प्रकट हो सकती है: मशीन पर अत्यधिक निर्भरता, इस पर मानसिक कार्य का भार डालना (ऑफलोडिंग), मशीन पर तब भी बहुत अधिक भरोसा करना जब वह गलत हो, निर्णय लेने के अधिकार को सौंप देना, तर्क कौशल का कमजोर होना, और व्यावहारिक क्षमताओं का क्षरण। उन्होंने चार प्रमुख वैज्ञानिक डेटाबेस से लगभग 14,000 रिकॉर्ड एकत्र किए और, डुप्लिकेट और अप्रासंगिक शोध पत्रों को हटाने के लिए एक कठोर स्क्रीनिंग प्रक्रिया के बाद, अपना ध्यान 150 उच्च-गुणवत्ता वाली रिपोर्टों तक सीमित कर दिया जिनमें स्वास्थ्य पेशेवरों की शिक्षा में मानव प्रतिभागी शामिल थे। इन रिपोर्टों ने उनके विश्लेषण का आधार बनाया।
शोधकर्ताओं ने फिर एक सावधानीपूर्वक मिलान अभ्यास किया। उन्होंने प्रत्येक 150 रिपोर्टों को देखा कि क्या लेखकों ने निर्भरता के छह घटनाओं में से किसी एक के बारे में स्पष्ट दावा किया है। उदाहरण के लिए, यदि किसी रिपोर्ट ने दावा किया कि छात्र AI पर अत्यधिक निर्भर हो रहे हैं, तो शोधकर्ताओं ने यह जांचा कि क्या उसी रिपोर्ट में अत्यधिक निर्भरता को मापने के लिए डिज़ाइन किया गया कोई विशिष्ट परीक्षण शामिल था। उन्हें दावों और परीक्षणों के बीच एक चौंकाने वाला अंतर मिला। 150 रिपोर्टों में से, 82 ने निर्भरता के बारे में कम से कम एक स्पष्ट दावा किया। हालाँकि, केवल 13 रिपोर्टों में ऐसा मूल्यांकन शामिल था जो उस विशिष्ट घटना को वास्तव में परखने के लिए आवश्यक सख्त डिजाइन मानदंडों को पूरा करता था। यहाँ तक कि अधिक स्पष्ट रूप से, केवल नौ रिपोर्टें ही एक दावे को उसी घटना के उचित मूल्यांकन के साथ जोड़ने में सफल रहीं। इसका अर्थ यह है कि AI निर्भरता के जोखिमों के बारे में चर्चा करने वाले अधिकांश अध्ययनों के लिए, लेखकों ने वह विशिष्ट साक्ष्य प्रदान नहीं किया जो यह सिद्ध करने के लिए आवश्यक था कि वह जोखिम वास्तव में हो रहा है।
स्थिति विशिष्ट प्रकार की निर्भरता को देखते समय विशेष रूप से स्पष्ट थी। शोधकर्ताओं ने पाया कि "अत्यधिक निर्भरता" के दावे 75 रिपोर्टों में दिखाई दिए, लेकिन उनमें से केवल पांच रिपोर्टों ने इसे परीक्षण करने में सक्षम डिज़ाइन का उपयोग किया। "कमजोर तर्क क्षमता" के दावे 57 रिपोर्टों में दिखाई दिए, फिर भी केवल दो में उचित परीक्षण शामिल था। "कौशल क्षरण" के लिए, 18 रिपोर्टों ने दावा किया कि यह हो रहा है, लेकिन उनमें से किसी ने भी दावे को ऐसे अध्ययन डिजाइन के साथ संरेखित नहीं किया जो वास्तव में उपकरण को हटाने के बाद कौशल में गिरावट को माप सके। कुछ अध्ययन जिन्होंने इन प्रभावों को मापने का प्रयास किया, उनमें अक्सर एक महत्वपूर्ण तत्व की कमी थी: अंतिम परीक्षण के दौरान AI की अनुपलब्धता की स्पष्ट पुष्टि। यह जाने बिना कि छात्र अकेले काम कर रहा था या नहीं, यह बताना असंभव है कि उनका प्रदर्शन स्वतंत्र था या अभी भी उपकरण से प्रभावित था। कुछ अध्ययनों ने देरी के बाद प्रदर्शन को देखा, लेकिन अधिकांश मामलों में, शोधकर्ता यह सत्यापित नहीं कर सके कि छात्र अभी भी AI का उपयोग कर रहे थे या परीक्षण की स्थितियों ने वास्तव में शिक्षार्थी को मशीन से अलग कर दिया था।
निष्कर्ष बताते हैं कि जबकि वैज्ञानिक समुदाय AI निर्भरता के संभावित खतरों पर सक्रिय रूप से चर्चा कर रहा है, साक्ष्य आधार अभी इस बात की पुष्टि करने के लिए तैयार नहीं है कि ये खतरे कितनी बार होते हैं या उनका वास्तविक प्रभाव क्या है। शोधकर्ताओं ने उल्लेख किया कि कुछ अध्ययनों ने दिखाया कि AI की उपस्थिति में छात्र समग्र रूप से बेहतर प्रदर्शन करते हैं, लेकिन यह बेहतर प्रदर्शन अक्सर एक अलग वास्तविकता को छिपा देता है: जब AI ने गलत सलाह दी, तो छात्रों की त्रुटि पहचानने की क्षमता काफी कम हो गई। यह इस बात को रेखांकित करता है कि किसी उपकरण के साथ शिक्षार्थी की सफलता, उनकी स्वतंत्र क्षमता के समान नहीं है। अध्ययन में यह भी पाया गया कि बहुत कम शोध ने इस बात पर गौर किया है कि ये शैक्षिक गतिशीलता वास्तविक रोगियों को कैसे प्रभावित करती है, जिसमें वास्तविक रोगी डेटा या परिणामों से जुड़ी केवल कुछ ही रिपोर्ट शामिल थीं। लेखकों ने निष्कर्ष निकाला कि वर्तमान शोध निकाय AI निर्भरता की आवृत्ति, इसके कारण संबंधी प्रभावों, या रोगी देखभाल के लिए इसके परिणामों का अनुमान नहीं लगा सकता है।
इसका मतलब यह नहीं है कि स्वास्थ्य शिक्षा में AI का कोई स्थान नहीं है, और न ही यह सिद्ध करता है कि निर्भरता अपरिहार्य है। इसका सीधा सा अर्थ यह है कि वर्तमान वैज्ञानिक साहित्य ने अभी तक उस विशिष्ट, उच्च-गुणवत्ता वाले साक्ष्य प्रदान नहीं किए हैं जो इस प्रश्न का उत्तर देने के लिए आवश्यक है। शोधकर्ता जोर देते हैं कि विभिन्न प्रकार की निर्भरता के लिए विभिन्न प्रकार के प्रमाणों की आवश्यकता होती है। उदाहरण के लिए, यह सिद्ध करने के लिए कि एक छात्र बिना मदद के तर्क करने की क्षमता खो चुका है, एक ऐसे परीक्षण की आवश्यकता है जहाँ छात्र उपकरण के उपयोग के एक निश्चित काल के बाद अकेले काम करता है, जिसके साथ तुलना करने के लिए एक स्पष्ट आधार रेखा (बेसलाइन) हो। जब तक अधिक अध्ययन इन विशिष्ट आवश्यकताओं को ध्यान में रखते हुए डिज़ाइन नहीं किए जाते, तब तक AI निर्भरता के बारे में चर्चा काफी हद तक सैद्धांतिक बनी रहेगी। आगे का मार्ग ऐसे अध्ययन बनाने में निहित है जो शिक्षार्थी के प्रदर्शन को 'शिक्षार्थी-प्लस-उपकरण' के प्रदर्शन से स्पष्ट रूप से अलग कर सकें, यह सुनिश्चित करते हुए कि जब डिजिटल सहायता वापस ली जाती है, तो मानव पेशेवर पूरी तरह से सक्षम बना रहे।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।